光学与微波相结合的崇明东滩湿地植被分类研究

王明昊 白万晟 刘松涛

摘 要：本文在遥感技术的支持下将崇明岛东滩作为研究区域。其间使用2017年2—10月Sentinel-1A微波影像和2017年2—9月的Landsat8和sentinel-2A的光学影像。预处理后，通过计算，使用决策树分类对崇明东滩的3种重要植被（互花米草、芦苇、海三菱藨草）进行分类，得到多时相条件下不同植被的分类结果，用混淆矩阵做精度评价。研究表明，光学与微波相结合的多时相分类图有更好的精度。

关键词：湿地;崇明岛东滩;光学;微波;植被分类

中图分类号：Q948文献标识码：A文章编号：1003-5168（2020）26-0148-03

Abstract： With the support of remote sensing technology， this paper took Dongtan of Chongming Island as the research area. In the meantime， Sentinel-1A microwave images from February to October 2017 and Landsat8 and sentinel-2A optical images from February to September 2017 was used. After pre-processing， the decision tree classification was used to classify the three important vegetations （Spartina alterniflora， Phragmites australis， and Sea Mitsubishi） in Chongming Dongtan through calculation and obtain the classification results of different vegetations under multi-temporal conditions， and confusion matrix was used for accuracy evaluation. Research shows that the multi-temporal classification map combined with optics and microwave has better accuracy.

Keywords： wetland;Chongming Island Dongtan;optics;microwave;vegetation classification

濕地、森林与海洋一起并称为全球三大生态系统，其中，湿地植被是湿地生态系统的主要组成部分。湿地植被是湿地生态系统中能量的固定者和有机营养物质的最初生产者，是最重要的营养级，能综合反映湿地的生境特征，并在湿地水分、物质、能量循环中起重要作用[1-2]。湿地植被的动态变化能够反映湿地的生态环境变化，被认为是一个反映生态环境变化的敏感指示器，已成为研究热点，其中植被分类是进行植被覆盖状况和动态变化规律研究的基础[3]。遥感技术具有宏观、同步、动态的优势，可以应用于大规模、大尺度的湿地植被调查中[4-7]。潮滩湿地处于海陆交汇的特殊地带，土壤背景受潮汐影响，变化非常复杂，可达性差，利用遥感进行植被分类较难。

1 研究区概况与数据源

1.1 研究区概况

崇明岛地处长江口，是中国第三大岛，也是中国最大的河口冲积岛和最大的沙岛。其成陆已有1 300多年，全岛面积为1 269.1 km2，海拔为3.5～4.5 m。全岛地势平坦，土地肥沃，林木茂盛，物产富饶。

1.2 数据源

使用Landsat-8与Sentinel-2A于2017年4个季度的4幅光学遥感影像以及Sentinel-1A于2017年成像的9幅微波遥感影像。

2 研究方法与技术路线

2.1 预处理

2.1.1 光学数据预处理。对光学数据进行预处理时，使用多时相的Landsat-8、ESA影像数据作为数据源，根据改进的归一化差异水体指数（[MNDWI]），修正土壤调节指数（[MSAVI]），如式（1）、式（2）所示，然后对不同植被的反射率进行决策树分类。

[MNDWI=GREEN-SWIRGREEN+SWIR]                   （1）

[MSAVI=2×NIR+1-2×NIR+1-8×NIR-R22]（2）

式中，[GREEN]为绿光波段;[SWIR]为短波红外波段;[NIR]为近红外波段;[R]为红光波段。

2.1.2 微波数据预处理。下载2017年2—10月的图像，为后续的微波与光学结合分类做准备。首先对微波遥感图像进行预处理。优先进行去噪处理，对所有去噪方法进行对比后，发现Frost方法进行3×3区域去噪能得到最少噪声点的图像。然后进行辐射定标，最后进行地理编码。在完成图像裁剪后，获取纹理特征，但是由于合成孔径雷达的图像多由亮点与暗点形成，所以只有均值（[mean]）有参考价值。然后，根据式（3）获得后向散射强度[DB]值。

[DB=10×alog10DN]                        （3）

式中，[DN]为遥感影像的像元亮度值;a为某常数。

2.2 决策树分类及设计

用去年光学的图像以及ROI作为参考，确定微波图像上的植被分布区域和非植被分布区域，包含五类：互花米草、芦苇、海三菱藨草、光滩、水体。对2017年2—10月影像进行统计分析，得到VV、VH极化的曲线图。根据得到的光谱曲线，结合均值信息进行单时相分类，粗略观察每个月的植被生长信息。根据单时相分类图像和后向散射强度曲线，采用决策树分类法实现多时相分类[8-10]。在图像上根据控制点获取精准的ROI，作为样本，完成精度评价。

2.2.1 光学数据决策树设计。首先根据[MSAVI]植被指数在图像上区分出植被与非植被[11-13]。非植被包含建筑、水体、光滩等，由于崇明东滩人工建筑非常少，本次研究没有考虑人工建筑的影响。然后使用归一化差异水体指数（[MNDWI]）对水体和光滩进行分类，在5月的图像中，团结沙部分没有受到潮汐的影响，光滩和水体较容易区分;而在9月与2月，由于受到潮汐的影响，所以再次通过植被指数[MSAVI]、反射率进行区分。植被主要包含三种，即芦苇、互花米草和海三棱藨草。未知植被为当这三种植被被潮汐淹没后无法区分时的称呼。通过地物的反射率以及波段组合选择恰当的ROI区域。通过统计光谱信息得到植被在不同波段上的光谱信息，可知植被在各个波段的均值以及标准差，可通过计算置信区间来完成决策树分类。置信区间（[A]）的计算公式为：

[A=mean±n×stdev]                        （4）

式中，[n]为置信区间的常数，比如，对于95%的置信区间，[n]=1.96;[mean]为均值;[stdev]为标准差计算地物的反射率的范围。

2.2.2 微波数据决策树设计。非植被包含建筑、水体、光滩等，崇明东滩人工建筑非常少，本次研究没有考虑人工建筑的影响。在Sentinel-1A影像中，无论极化方式是VV还是VH，水体的[DB]值相对于其他值较小，较容易区分。从DB值来看，光滩在分类过程中甚至会出现高于植被的情况，是由于涨潮和退潮。

2.2.2.1 单时相决策树。对于单时相影像图，便于区分植被的只有2—4月，5—10月三种植被都不便于区分。单时相影像即使是能区分，分类精度也很差。

2.2.2.2 多时相决策树。首先用4月VV极化对水体进行分类，VV<-14.5则为水体。然后用5月VH极化分光滩和植被，VH<-19.5为光滩。用4月VH极化分互花米草，VH<-20.3的为互花米草。用2月VV极化区分芦苇和海三棱藨草。

3 结果与讨论

3.1 相同时相不同植被的光谱曲线特征对比

崇明东滩的三个优势中有着不尽相同的物候期。2月、3月芦苇与互花米草都处于枯萎状，反射光谱曲线形状相似。直到4月初，有零星的海三棱藨草开始萌发，枯萎的互花米草底部也有少量新生的低矮互花米草。然而到了5月，芦苇和互花米草的光谱反射率出现了极为明显的区别，芦苇的光谱出现了典型植被的特征，具有在近红外区域的高反射率，互花米草的光谱特征与4月相似。7月、8月两种植物都处于迅速生长的状态，在颜色上都为健康的绿色。9月海三棱藨草明显枯萎，互花米草有抽穗现象，而芦苇依然处于营养生长期，芦苇在该区域内的反射率高于互花米草。10月中旬芦苇抽穗开花，海三棱藨草完全枯萎，互花米草抽穗末期且植株偏黄。至12月，三种植物都枯萎了。

3.2 多时相不同极化不同植被的曲线特征对比

VV极化的曲线中，2月、3月、4月三种植被的后向散射强度差异比较明显，因3种多年生的植被刚结束枯萎期进入萌芽期，萌芽顺序为芦苇的3月中旬，海三棱藨草的3月下旬，最后为互花米草，芦苇在4—5月大量发生，所以在VV极化中芦苇的峰值出现在4月。在VH极化曲线中，同样在2月、3月、4月，三种植被存在一定差异，但相对于VV极化，差异要小。在5月之后，该时间段植被都处于绿叶期，植被叶冠茂密，雷达波主要发生了体散射/面散射，无论是VV还是VH极化，3种植被后向散射强度差异都很小，且很混乱，难以区分比较，这里以8月的分类结果为例，经过采样点的精度评价的总精度仅为40%左右。经过多时相的分类之后，结果更加准确。

3.3 结果展示

3.3.1 基于光学的植被分类结果。光学分类结果精度评价如表1所示。

3.3.2 基于微波的植被分类结果。微波分类结果精度评价如表2所示。

3.3.3 光学与微波微波的植被分类结果。多时相分类结果精度评价如表3所示。

3.4 结果分析

根据采集点所做的ROI进行精度评价，从好到劣，评价结果依次为光学与微波多时相结合、微波多时相、光学单时相、微波单时相。光学相较于微波容易受环境、天气的影响，由于云的影响，所以选择了部分Landsat8的影像做出一个完整的周期。光学影像中的[NDVI]、[MNDWI]可以有效地区分光滩与河流，又选择微波影像区分出误分为光滩的高泥沙含量的海水。无论光学还是微波都能很好地区分出芦苇，但是在光学中难以分辨出海三棱藨草，所以选择用微波的[DB]值进行区分。但是，由于微波以点成像，所以单时相内会出现较大的误差。多时相微波影像已有较高的精度，但是对内陆河流的区分不太理想，结合了光学后才能清晰地区分河流与光滩。部分区域由于人为影响，所以生长较为整齐。

参考文献：

[1]孟宪民.湿地与全球环境变化[J].地理科学，1999（5）：385-391.

[2]孙广友.中国湿地科学的进展与展望[J].地球科学进展，2000（6）：666-5419.

[3]李晓兵，史培军.基于NOAA/AVHRR数据的中国主要植被类型NDVI变化规律研究[J].植物学报，1999（3）：314-324.

[4]李俊辉，袁一，朱云虹，等.基于融合技术的潮滩湿地植被分类[J].测绘，2014（1）：24-27.

[5]柴颖，阮仁宗，柴国武，等.基于光谱特征的湿地植物种类识别[J].国土资源遥感，2016（3）：86-90.

[6]刘建华，杨世伦，史本伟，等.长江口崇明东滩潮沟地貌形态和演变[J].海洋学研究，2012（2）：43-50.

[7]高宇，赵斌.人类围垦活动对上海崇明东滩滩涂发育的影响[J].中国农学通报，2006（8）：475-479.

[8]路兵，蒋雪中.滩涂围垦对崇明东滩演化影响的遥感研究[J].遥感学报，2013（2）：342-349.

[9]姚丽萍，徐丽华，李先华.基于RS的崇明东滩空间动态变化研究[J].资源调查与环境，2005（1）：64-70.

[10]袁爽，况润元，廖启卿.湿地植被遥感提取及动态变化研究：以崇明东滩为例[J].江西理工大学学报，2018（1）：44-51.

[11]胥为，周云轩，沈芳，等.基于Sentinel-1A雷达影像的崇明东滩芦苇盐沼植被识别提取[J].吉林大学学报（地球科学版），2018（4）：1192-1200.

[12]王安琪，周德民，宮辉力.基于雷达后向散射特性进行湿地植被识别与分类的方法研究[J].遥感信息，2012（2）：15-19.

[13]李华朋，张树清，孙妍.合成孔径雷达在湿地资源研究中的应用[J].自然资源学报，2010（1）：148-154.